基于遺傳算法的生產管理系統研究

王子兵

(沈陽飛機設計研究所,遼寧沈陽 110035)

基于遺傳算法的生產管理系統研究

王子兵

(沈陽飛機設計研究所,遼寧沈陽 110035)

航空制造企業通常有很多個廠區車間,由于航空制造生產系統運行和管理非常復雜,所以生產制造的計劃和調度非常重要。科學合理的生產計劃調度可以降低企業生產成本、減小產品制造的周期,大幅提高生產效率。本文基于這個問題,采用遺傳算法對車間的多個工件在多個機床上加工情況進行優化,通過設計適合的適應度函數和約束條件,不斷迭代優化使得工件加工指標達到最優,以最短的時間加工最多的工件,從根本上解決車間的生產效率,顯著提高了企業的經濟效益。

生產管理 遺傳算法 調度

1 引言

航空制造企業規模一般比較大，通常有很多個廠區、上百個車間。由于航空制造生產系統運行和管理非常復雜，所以生產制造的計劃和調度非常重要。科學合理的生產計劃調度可以降低企業生產成本、減小產品制造的周期，大幅提高生產效率，提高企業的經濟效益。

車間管理內容主要是編制生產作業計劃、作業排序、生產調度、生產進度監控、生產統計、質量檢查和抽檢等。目前的管理方式存在效率低下、計劃編制粗糙、信息傳遞太慢和相關作業文檔查找和回溯非常困難等缺點，很難適應當今越來越激烈的市場競爭。本文基于這個問題，針對航空制造企業的車間調度問題，采用遺傳算法對車間的多個工件在多個機床上加工情況進行優化，通過優化使得工件加工指標達到最優，以最短的時間加工最多的工件，從根本上解決車間的生產效率。充分利用遺傳算法調優車間調度和生產計劃，使車間調度和生產計劃的編制更加科學，按照生產計劃的具體安排情況，進一步原材料的需求分析及計劃，使得人員、設備、工具分配更加合理，進一步提升車間管理水平。

2 遺傳算法介紹

遺傳算法是根據自然界優勝劣汰的選擇方式，把適應性最強的物種群體遺傳下來。它具有全局尋找最優的能力，可以自動在搜索空間上進行學習和優化，不需要再進行人為干預搜索過程。遺傳算法具有不受函數約束條件的限制優點，它不是從單個個體開始搜索，具有并行搜索的特性，可以大大減少陷入局部極小的可能性。遺傳算法采用的隨機操作，具有全局的搜索能力，非常適用于搜索復雜問題和非線性問題的優化。

遺傳算法步驟包括編碼、初始群體生產、適應度函數設計及評估、選擇、交叉和變異操作。該算法是一個群體操作算法，由若干的初始群體作為初始輸入，用隨機方法來生成初始群體，初始群體的規模越大，則遺傳算法的就能更好的找到最優解，但是初始群體的規模太大則會使計算量成倍的增加。選擇通常采用比例選擇，選取概率正比于個體的適配值，變異通過所及改變個體中的基因來產生新的個體，可以增強種群的多樣性，避免過早收斂。遺傳算法是一種隨機優化的算法，它是通過對個體的評價和染色體的作用，有效利用已有的種群信息來全局搜索改善優化質量的算法。

3 系統設計實現

車間調度問題就生產方式分類可分為開環車間和閉環車間。開環車間調度不考慮庫存數量問題，只分析訂單產品在所有設備上的加工排序問題。閉環車間調度在零件加工順序基礎上，還必須滿足特定的生產工藝條件下使生產性能達到最優。機床的使用效率主要受加工輔助時間、機床質量、機床的故障率和車間作業計劃是否科學等因素有關。本文針對車間的多個工件在多個機床上加工情況進行優化，優化目的在最短的時間內加工最多的工件。

車間調度優化具體分為以下步驟：首先對種群P(m)初始化，這里m代表迭代次數，然后局部搜索，改進初始種群，獲得最終的初始P(m)，如果滿足具體的優化條件，則結束遺傳算法優化，如果達不到條件則繼續，進行種群P(m)的具體生產，通過搜索改進再次生成的臨時種群，獲得最終優化后臨時的P(m)，借助替換策略獲得下一代種群P(m+1)，然后再判斷是否滿足收斂條件，如果滿足則優化結束。遺傳算法的種群規模、雜交概率和變異概率本文通過嘗試計算的方式來確定。最后通過遺傳算法的收斂準則按照目標函數值從小到大查找最優方案，只要滿足目標函數值為當前最小和方案為可行即滿足所有約束條件，則局部尋優結束，得到最優解，計算結束。

在設計適應度函數時，應縮小超級個體的適應度，防止出現過早收斂。在搜索過程的中后期，雖然個體的多樣性得到保證，但是種群的平均適應度可能會接近群體的最優適應度，可能會出現停滯現象。遺傳算法設計思路就是在尋找更優解，在選擇、交叉和變異等操作中體現。通過對多個工件在多臺機床的大規模車間調度優化求解，使用遺傳算法可以尋求到最優解，使得車間作業調度達到最優，顯著的提高了生產作業效率，提高了經濟效益和企業競爭力。

4 結語

航空制造業中，由于工廠車間眾多，導致相應的車間調度問題非常復雜。如何更加科學的調度，編制更加科學的車間調度計劃和生產作業計劃，則是航空制造企業管理者最為重要的問題。本文通過在調度優化中普遍使用的遺傳算法，針對多個工件在多臺機床進行加工的調度優化問題進行尋找最優調度方案，通過遺傳算法的不斷尋優，最終得到的最優解進行實際車間調度計劃管理，通過實際檢驗，能夠顯著提高車間調度水平，使得調度更加科學，顯著提高了企業的生產效率，使得企業的車間調度水平更加科學。

[1]張元亮.基于遺傳算法的混合分形編碼[J].自動化學報,1999(01).

[2]徐雯雯.基于遺傳算法的車間動態粗調度研究[D].山東大學, 2010.

[3]田青.自適應小生境混合遺傳算法在車間調度問題中的研究[D].湘潭大學,2011.